JP2008234559A - ドキュメント絞り込み検索装置、方法及びプログラム - Google Patents

Abstract

【課題】ドキュメントを効率的に絞り込んで検索する方法を提供すること。
【解決手段】ドキュメントを絞り込み検索するための情報検索装置１０が、前記ドキュメントに含まれる文章を形態素解析することによって単語を抽出して前記ドキュメントと関連付けて初期状態の逆引きインデックス１５３１を作成して前記抽出された単語ごとに該単語を含むドキュメントを関連付けた単語リストを生成し、ユーザ端末２０に表示する。そして、（ａ）前記単語リストからユーザに単語を選択させて、（ｂ）初期状態の逆引きインデックス１５３１から前記選択された単語を含むドキュメントの部分集合から再構成した逆引きインデックス１５３２を作成して、（ｃ）再構成した逆引きインデックス１５３２を用いて単語リストを再生成し、ユーザ端末２０に再表示する。そして、更に、（ａ）から（ｃ）を繰り返す方法。
【選択図】図２

Description

本発明は、ドキュメント絞り込み検索装置、方法及びプログラムに関する。特に、Ｗｅｂドキュメントの絞り込み検索装置、方法及びプログラムに関する。

従来、インターネット上でユーザが目的とする情報を含んだＷｅｂページを効率的に得るための各種の検索方法が考案されている。例えば、特許文献１には、ユーザが入力した文章を形態素解析して第１キーワードを生成し、第１キーワードが存在するホームページを検索してそのホームページを更に形態素解析して複数のキーワードを抽出し、出現頻度が一定値以下のキーワードをユーザに選択させ、第１キーワードと選択された出現頻度が一定値以下のキーワードの論理積に基づいて再度対象ホームページを検索し、それを繰り返すごとにユーザに提示して、絞り込み検索を行う文書検索システムが開示されている。
特開２００４−０５４６１９号公報

しかしながら、特許文献１のようなシステムでは、対象となるＷｅｂページがインターネット全体にわたり、検索をするたびに処理が膨大になるうえ、ユーザが、出現頻度が一定値以下のキーワードを選択するごとに、毎回、キーワードの抽出と形態素解析をリアルタイムで繰り返す必要があり、パフォーマンス上の問題が生じることが考えられる。

本発明は、上記課題に鑑み、より効率的な絞り込み検索システムを提供することを目的とする。

本発明では以下のような解決手段を提供する。

（１） ドキュメントを絞り込み検索するための情報検索装置であって、
前記ドキュメントに含まれる文章を形態素解析することによって単語を抽出して前記ドキュメントと関連付けて初期状態の逆引きインデックスを作成するドキュメント解析手段と、
前記初期状態の前記逆引きインデックスを用いて前記抽出された単語ごとに該単語を含むドキュメントを関連付けた単語リストを作成する単語リスト作成手段と、
前記単語リストをユーザ端末に表示する手段と、
（ａ）前記単語リストからユーザに単語を選択させる手段と、
（ｂ）前記ドキュメント解析手段を用いて前記初期状態の逆引きインデックスから前記選択された単語を含むドキュメントの部分集合から再構成した逆引きインデックスを作成する手段と、
（ｃ）前記再構成した逆引きインデックスを用いて前記単語リストを再生成し、前記ユーザ端末に再表示する手段と、
前記（ａ）から（ｃ）を繰り返す手段と、
を備えた情報検索装置。

（１）の発明によれば、
まず、ドキュメントに含まれる文章を予め形態素解析して単語を抽出し、抽出された単語とドキュメントとを関連付けた初期状態の逆引きインデックスを作成しておく。
次に、初期状態の逆引きインデックスを用いて、作成された単語リストを所定の順序でユーザ端末に表示し、
（ａ）前記単語リストからユーザに単語を選択させる。
（ｂ）選択された単語を含むドキュメント群の部分集合から前記逆引きインデックスを再構成する。
（ｃ）再構成された逆引きインデックスを用いて前記単語リストを再生成し、ユーザ端末に再表示する。
そして上記（ａ）〜（ｃ）の手順を繰り返す。

ここで、形態素解析や初期状態の逆引きインデックス作成は、検索開始時でなく一定期間ごとにバックグラウンドで予め行っておいてよい。また、逆引きインデックスは、例えば、単語（キーワード）とその単語を含むドキュメントとを対応付けて記録したテーブルであってよい。このテーブルには単語（キーワード）ごとにその単語が含まれるドキュメントの数が含まれる。

このようにすることによって、検索を絞り込むために、キーワードや検索式をユーザがすべて考える必要がなく、所定の順序（例えば、ドキュメント数順や閲覧回数順）で表示された単語リスト（キーワードリスト）から単語を選択するだけで、絞り込み検索結果（例えば、選択された単語を含むドキュメントのリスト）が表示されるので、表示された検索結果を見ながらキーワードをユーザが順次、変更していくことができる。又、形態素解析は、予めドキュメント群ごとに行っているため、毎回リアルタイムに繰り返すことを必要としないのでパフォーマンス上も有利である。もちろん、例えば、インターネット上においてはＷｅｂのドキュメントの内容は日々刻々と変化するので、初期状態の逆引きインデックスは一定間隔で更新することが望ましい。

（２） 前記ドキュメント解析手段は、前記ユーザによって選択されたカテゴリーに分類されたドキュメントを対象とし、前記抽出された単語と前記ドキュメントの識別子とを関連付ける、（１）に記載の情報検索装置。

（２）の発明によれば、検索対象とするドキュメントが属するカテゴリー（ジャンル）を定義しておき、ドキュメントの収集時にカテゴリーごとにドキュメントを収集する、又はドキュメントの収集後に、カテゴリーに分類してもよい。このカテゴリーに分類されたドキュメントの識別子（ＩＤ）と、形態素解析によって抽出された単語とを関連付けることによって初期状態の逆引きインデックスを作成する。このことにより、検索対象をそのジャンルのドキュメントに予め絞り込むことができる。

（３） 前記抽出する手段は、前記形態素解析した単語から更にＴＦＩＤＦ法を用いて前記ドキュメントを特徴づける単語を抽出する、（１）乃至（２）のいずれかに記載の情報検索装置。

（３）の発明によれば、形態素解析によって得られた単語を、ＴＦＩＤＦ（Ｔｅｒｍ Ｆｒｅｑｕｅｎｃｙ Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）法を用いて、ドキュメントを特徴づける単語を更に抽出しておく。このようにすることによって、一般的なよく使用される単語（例えば、接続詞や助詞など）のように、キーワードとしては不適切な単語を単語リストから除外することができる。

（４） 前記表示する手段及び前記再表示する手段は、前記抽出された単語を含むドキュメント数の多い順序に表示する、（１）乃至（３）のいずれかに記載の情報検索装置。

（４）の発明によれば、抽出された単語の出現度の高い順にドキュメントが表示されるので、目的の単語を多く含むドキュメントを早く検索することができる。

（５） 前記表示する手段及び再表示する手段は、所定の閾値以上のドキュメント数のドキュメントのみを表示する、（１）乃至（４）のいずれかに記載の情報検索装置。

（５）の発明によれば、抽出された単語を含むドキュメント数（出現度）が一定値以下のドキュメントは表示されないので、より適切な情報を多く含むドキュメントを早く検索することができる。

（６） 前記表示する手段及び再表示する手段は、閲覧頻度の高い順にドキュメントを表示する、（１）乃至（５）のいずれかに記載の情報検索装置。

（６）の発明によれば、閲覧頻度の高い順、すなわち人気度の高い順にドキュメントが表示されるので、より有用なドキュメントを早く検索することができる。なお、（４）〜（６）の単語リストにおける単語を表示する順序は、ユーザ指定又は所定のアルゴリズムによって検索を繰り返すごとに毎回変更してもよい。例えば、初期状態ではドキュメント数の多い順に表示するが、２回目以降の絞り込みでは閲覧頻度の高い順に表示するなどである。

（７） ドキュメントを絞り込み検索するための方法であって、
前記ドキュメントに含まれる文章を形態素解析することによって単語を抽出して前記ドキュメントと関連付けて初期状態の逆引きインデックスを作成するドキュメント解析ステップと、
前記初期状態の前記逆引きインデックスを用いて前記抽出された単語ごとに該単語を含むドキュメントを関連付けた単語リストを作成する単語リスト作成ステップと、
前記単語リストをユーザ端末に表示するステップと、
（ａ）前記単語リストからユーザに単語を選択させるステップと、
（ｂ）前記ドキュメント解析ステップを用いて前記初期状態の逆引きインデックスから前記選択された単語を含むドキュメントの部分集合から再構成した逆引きインデックスを作成するステップと、
（ｃ）前記再構成した逆引きインデックスを用いて前記単語リストを再生成し、前記ユーザ端末に再表示するステップと、
前記（ａ）から（ｃ）のステップを繰り返す方法。

（７）の発明によれば、（１）の装置と同様な作用効果を実現する検索方法を提供することができる。

（８） ドキュメントを絞り込み検索するためのコンピュータ・プログラムであって、
コンピュータに、
前記ドキュメントに含まれる文章を形態素解析することによって単語を抽出して前記ドキュメントと関連付けて初期状態の逆引きインデックスを作成するドキュメント解析ステップと、
前記初期状態の前記逆引きインデックスを用いて前記抽出された単語ごとに該単語を含むドキュメントを関連付けた単語リストを作成する単語リスト作成ステップと、
前記単語リストをユーザ端末に表示するステップと、
（ａ）前記単語リストからユーザに単語を選択させるステップと、
（ｂ）前記ドキュメント解析ステップを用いて前記初期状態の逆引きインデックスから前記選択された単語を含むドキュメントの部分集合から再構成した逆引きインデックスを作成するステップと、
（ｃ）前記再構成した逆引きインデックスを用いて前記単語リストを再生成し、前記ユーザ端末に再表示するステップと、
前記（ａ）から（ｃ）のステップを繰り返し実行させるステップ、とを備えたことを特徴とするコンピュータ・プログラム。

（８）の発明によれば、（７）の方法をコンピュータに実行させる機能手段としてのコンピュータ・プログラムを提供することができる。

本発明によれば、表示された検索結果を見ながらキーワードをユーザが選択していくことによる動的な検索を行うことができる。又、リアルタイムに形態素解析を繰り返すことなく、効率的な絞り込み検索を行うことができる。

以下、本発明の実施形態について図を参照しながら説明する。

［システムの全体構成］
図１は、本発明の好適な実施形態の一例に係るシステム１の全体構成を示す図である。

本発明を構成するシステム１は、テキストや画像などを含んだドキュメントデータ（例えば、インターネットやイントラネット上のＷｅｂページ）の解析を行い、ドキュメントデータに含まれる単語に対してドキュメントを関連付けて、より効率的な絞り込み検索を行うシステムである。本システムでは、情報検索装置１０が、通信ネットワーク３０を介して、ユーザ端末２０と接続される。なお、情報検索装置のハードウェアの数に制限はなく、必要に応じて、１又は複数のハードウェアで構成してよい。

情報検索装置１０は、ドキュメントデータを、通信ネットワーク３０を介して収集して、固有のインデックスを付加して記憶する。そして、ユーザ端末２０のＷｅｂブラウザなどからユーザの検索要求に応じて、記憶しているＷｅｂページの中から検索した結果をリストにして送信する機能を備える。なお、情報検索装置１０は、検索サーバであってもよい。

通信ネットワーク３０は、例えば、インターネットであり、有線により実現するものだけではなく、アクセスポイントを介して無線ＬＡＮにより実現するものなど、本発明の技術的思想に合致するものであれば様々な通信技術により実現される。

ユーザ端末２０は、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）２０ａの他、携帯電話機２０ｂ、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）２０ｃ、及びゲーム機２０ｄなどのいわゆるコンピュータ以外の通信端末であってもよい。

［端末及び情報検索装置の機能ブロック］
図２は、本発明の好適な実施形態の一例に係るユーザ端末２０及び情報検索装置１０の機能ブロック図である。

ユーザ端末２０は、入力部２１、送受信部２２、制御部２３、及び表示部２４により構成される。入力部２１は、キーボード及びマウスなどの入力装置を含み、ユーザの入力を受け付ける機能を有している。又、送受信部２２は、通信インターフェイスを含んで構成し、データを情報検索装置１０に送信する機能、及び情報検索装置１０からデータを受信する機能を有している。更に、制御部２３は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を含む制御装置を含み、ユーザ端末２０を制御する機能を有している。そして、表示部２４は、液晶ディスプレイなどの表示装置を含み、データを表示する機能を有している。

情報検索装置１０は、主として送受信部１２、制御部１３、及び記憶部１５により構成される。送受信部１２は、通信インターフェイスを含み、ユーザ端末２０からデータを受信する機能、及びユーザ端末２０へデータを送信する機能を有している。又、制御部１３は、ＣＰＵを含み、情報検索装置１０を制御する機能を有している。更に、記憶部１５は、ハードディスクなどの記憶装置を含み、データを記憶する機能を有している。

情報検索装置１０の制御部１３は、ドキュメント収集手段１３０１、ドキュメント解析手段１３０２、単語リスト作成手段１３０３、及び検索結果リスト作成手段１３０４を有している。ドキュメント収集手段１３０１は、通信ネットワーク３０を介してＷｅｂページなどのドキュメントデータを収集し、ドキュメントに固有の識別子（ドキュメントＩＤ）を関連付ける。又、ドキュメント解析手段１３０２は、ドキュメント中のテキストを形態素解析して単語を抽出し、初期状態の逆引きインデックス１５３１を作成する。並びに、再構成した逆引きインデックス１５３２を作成する手段としても機能する。そして、単語リスト作成手段１３０３は、初期状態の逆引きインデックス１５３１、又は再構成した逆引きインデックス１５３２から単語リストを作成する。更に、検索結果リスト作成手段１３０４は、ドキュメントテーブル１５３０からドキュメントデータを抽出して検索結果リストを作成する。

情報検索装置１０の記憶部１５は、ドキュメントテーブル１５３０、初期状態の逆引きインデックス１５３１、及び再構成した逆引きインデックス１５３２を含んで構成される。ドキュメントテーブル１５３０は、Ｗｅｂページなどのドキュメントデータと関連付けられたドキュメントＩＤを記憶している。又、初期状態の逆引きインデックス１５３１は、ドキュメントデータを解析して抽出された各単語に関連付けられた抽出元のドキュメントＩＤを記憶している。更に、再構成した逆引きインデックス１５３２は、初期状態の逆引きインデックス１５３１が、ある一つの単語により絞り込まれた単語群（部分集合）とそれぞれ関連付けられたドキュメントＩＤとを記憶している。なお、再構成した逆引きインデックス１５３２は、ユーザの検索要求に応じて初期状態の逆引きインデックス１５３１から生成される。

［初期状態の逆引きインデックス生成処理］
図３は、本発明の好適な実施形態の一例に係る初期状態の逆引きインデックス生成処理のフローチャートである。

まず、ステップＳ１０１では、情報検索装置１０の制御部１３が、送受信部１２を介して、ドキュメント収集手段１３０１により、Ｗｅｂページなどのドキュメントデータを収集する。なお、ドキュメント収集手段１３０１は、クローラといわれるＷｅｂサイトからＷｅｂページなどを取得（収集）するプログラムにより行われてもよい。ここで、クローラが、Ｗｅｂページを探し出す手段や、対象とするＷｅｂページの種類は様々であり、クローラの管理者の設定により、取得（収集）されるＷｅｂページの種類やカテゴリーも異なる。

次に、ステップＳ１０２では、制御部１３が、ドキュメント収集手段１３０１により、収集した各ドキュメントデータに固有のＩＤ（ドキュメントＩＤ）を付与し関連付ける。そして、制御部１３が、ドキュメントデータと関連付けられたドキュメントＩＤとを記憶部１５のドキュメントテーブル１５３０に記憶する。なお、ドキュメントテーブル１５３０の具体的な例については、図４で後述する。

次に、ステップＳ１０３では、制御部１３が、ドキュメント解析手段１３０２により、ドキュメントテーブル１５３０の各ドキュメントデータの文章を形態素解析する。ここで、形態素解析とは、文を形態素（例えば、言語で意味を持つ最小単位）の列に分割し、接続詞や助詞を取り除く。形態素解析には様々な手法があるがいずれの手法を用いてもよい。又、形態素解析を行った後で公知のＴＦＩＤＦ法を用いてドキュメントの特徴を示す単語を抽出してもよい。この場合、形態素解析の結果を更に絞り込むことができ、ドキュメントデータを特徴付ける単語を抽出することができる。

なお、ＴＦＩＤＦ法は、ドキュメントの特徴を示す単語を抽出する方法であり、ドキュメントデータの特定のページに偏って多く出現する単語ほど高スコアとなる。なお、単語ＸについてのＴＦＩＤＦ値は、数１のように定義される。

ＴＦ：単語Ｘの全ページ中の出現頻度
ＤＦ：単語Ｘのページ頻度（いくつのページに跨って出現したか）
Ｎ：総ページ数

次に、ステップＳ１０４では、制御部１３が、上述のステップＳ１０３の解析により分割された品詞（単語）を、記憶部１５の初期状態の逆引きインデックス１５３１に記憶する。なお、初期状態の逆引きインデックス１５３１の具体的な例については、図５で後述する。

次に、ステップＳ１０５では、制御部１３が、初期状態の逆引きインデックス１５３１に記憶された各単語にドキュメントＩＤを関連付けて記憶する。このように、ドキュメントデータの数だけ解析して、初期状態の逆引きインデックス１５３１に単語とドキュメントＩＤを関連付けて記憶する。このようにして、初期状態の逆引きインデックス１５３１が生成される。なお、ドキュメントデータを定期的に収集し、初期状態の逆引きインデックス１５３１を更新するとよい。このことにより、ユーザに最新の情報を提供することができる。

図４は、本発明の好適な実施形態の一例に係るドキュメントテーブル１５３０を示す図である。ここで、図４に示すように、ドキュメントテーブル１５３０は、カテゴリー、ドキュメントＩＤ、及びドキュメントデータの欄を持つデータベースである。そして、レコード（行）には各ドキュメントＩＤとそれぞれのドキュメントデータとが関連付けて記憶されている。例えば、先頭のレコードには、「ドキュメントＩＤ：００１」が当該ドキュメントデータと共に記憶されている。次のレコードには、「ドキュメントＩＤ：００２」が当該ドキュメントデータと共に記憶されている。

又、ドキュメントテーブル１５３０は、カテゴリー欄を設けて、それぞれのドキュメントを分類する。ここで、カテゴリーは、予めいくつかのカテゴリーを決めておいてドキュメントを収集するときに特定してもよいし、ドキュメントテーブル１５３０にドキュメントデータを記憶した後でカテゴリーを特定してもよい（カテゴリーの特定は公知の技術を用いてよい）。例えば、「ドキュメントＩＤ：００１から００４」の各ドキュメントデータは「カテゴリー：ラーメン」に特定されて分類されている。更に、カテゴリーは一つのドキュメントに複数関連付けてもよい。ここで、カテゴリーは、検索をはじめるユーザに予め選択させてもよいし、特定のカテゴリーを検索するＷｅｂサイトで用いてもよい。

図５は、本発明の好適な実施形態の一例に係る初期状態の逆引きインデックス１５３１を示す図である。ここで、図５に示すように、初期状態の逆引きインデックス１５３１は、単語及び複数のドキュメントＩＤの欄を持つ。まず、一例として「ドキュメントＩＤ：０１５」のドキュメントデータが形態素解析されて、品詞（単語）に分割される。そして、分割された単語群「当店、味噌、ラーメン・・・」が、初期状態の逆引きインデックス１５３１に記憶されて、各単語に「ドキュメントＩＤ：０１５」が関連付けられている。更に、それぞれのレコードには複数のドキュメントＩＤが関連付けて記憶されている。例えば、先頭のレコードには、「単語：当店」に「ドキュメントＩＤ：００１、００２・・・」が関連付けられて記憶されている。これは、「ドキュメントＩＤ：００１、００２・・・」のドキュメントデータにおいて形態素解析の結果、「単語：当店」が含まれていたことを示す。こうして生成された、初期状態の逆引きインデックス１５３１の単語を指定することで、当該単語が含まれるドキュメントデータをドキュメントＩＤにより特定することができる。

［絞り込み検索処理］
図６は、本発明の好適な実施形態の一例に係る絞り込み検索処理のシーケンス図である。

まず、ステップＳ２０１では、ユーザが、ユーザ端末２０の入力部２１により、検索キーワードを入力する。なお、キーワードの入力は、Ｗｅｂブラウザにおいて、検索用フィールドに入力するものでもよいし、表示されているカテゴリーをキーワードとして選択するものでもよい。そして、制御部２３が、送受信部２２を介して、キーワードを伴う検索要求データを、情報検索装置１０に送信する。

次に、ステップＳ２０２では、情報検索装置１０の制御部１３が、送受信部１２を介して、キーワードを伴う検索要求データを受信する。そして、単語リスト作成手段１３０３により、初期状態の逆引きインデックス１５３１において、キーワードと同一の単語のレコードを特定する。更に、特定したレコードに関連付けられた各ドキュメントＩＤを基に、同一のドキュメントＩＤが持つ単語を抽出する。その後、制御部１３が、抽出した単語群をリストにして第１単語リストを生成する。ここで、単語リスト生成の具体的な例について、図７から図８に基づき説明する。

図７は、本発明の好適な実施形態に係る初期状態の逆引きインデックス１５３１生成処理の概要を示す図である。図８は、本発明の好適な実施形態に係る図７に示す初期状態の逆引きインデックス１５３１からの単語リスト生成処理の概要を示す図である。

まず、図７に示すように、ドキュメントＩＤ：００１〜０１０のドキュメント群（ａ）があり、各ドキュメントには、単語Ａ〜Ｈが分散して含まれている。そして、そのドキュメント群（ａ）から初期状態の逆引きインデックス１５３１（ｂ）が生成されている。

次に、図８に示すように、ユーザから「キーワード：Ｅ」を伴う検索要求があり、初期状態の逆引きインデックス１５３１（ｂ）から「単語：Ｅ」のレコードが特定される。そして、「単語：Ｅ」に関連付けられた「ドキュメントＩＤ：００１、００２、００３、００５、００８」を基に、「単語：Ａ、Ｂ、Ｃ、Ｅ、Ｇ、Ｈ」が抽出される（ｃ）。なお、各単語の出現数から、各単語を含むドキュメント数も集計される。そして、抽出した各単語と各単語を含むドキュメント数とにより、単語リスト（ｄ）が生成される。更に、具体的な、単語リストの例については、図９（ａ）で後述する。

次に、図６に戻り、ステップＳ２０３では、制御部１３が、検索結果リスト作成手段１３０４により、ステップＳ２０２で受信した検索要求データのキーワードに基づいて、ドキュメントテーブル１５３０からドキュメントデータを抽出する。ここでは、すでに上述のステップＳ２０２において、キーワードと同一の単語のレコードが特定されているので、そのレコードの各ドキュメントＩＤを基に、各ドキュメントデータを抽出すればよい。そして、抽出したドキュメントデータ群から第１検索結果リストを生成する。具体的な、検索結果リストの例については、図９（ｂ）で後述する。

次に、ステップＳ２０４では、制御部１３が、送受信部１２を介して、第１単語リストと第１検索結果リストのデータをユーザ端末２０に送信する。

次に、ステップＳ２０５では、ユーザ端末２０の制御部２３が、送受信部２２を介して、第１単語リストと第１検索結果リストのデータを受信する。そして、第１単語リストと第１検索結果リストとを表示部２４により表示する。ここで、第１単語リストと第１検索結果リストの具体的な例について、図９に基づき説明する。

図９は、本発明の好適な実施形態の一例に係る第１単語リスト及び第１検索結果リストを示す図である。

図９において、第１単語リスト（ａ）と第１検索結果リスト（ｂ）が、ユーザ端末２０の表示部２４に表示されている。更に、ユーザが「キーワード：ラーメン屋」で検索したことが表示されている（ｃ）。まず、第１単語リスト（ａ）は、初期状態の逆引きインデックス１５３１から「単語：ラーメン屋」のレコードに関連付けられた各ドキュメントＩＤを基に、同一の各ドキュメントＩＤを持つ他のレコードの単語を抽出し、表示している。又、単語ごとに、当該単語のレコードにあるドキュメントＩＤ数を併記している。例えば、第１単語リスト（ａ）には「ゴマ（２７）、香り（４）・・・」とある。これは、「単語：ゴマ」を含むドキュメントが２７件あることを示している。同様に、「単語：香り」を含むドキュメントが４件あることを示している。

又、第１検索結果リスト（ｂ）は、初期状態の逆引きインデックス１５３１の「単語：ラーメン屋」のレコードに関連付けられた各ドキュメントＩＤを基に、ドキュメントテーブル１５３０から抽出したドキュメントデータ群を表示している。例えば、「単語：ラーメン屋」を含むドキュメントデータの、店名、住所、及び要約などがドキュメントデータへのリンクを持った状態でリスト表示されている。そして、ユーザが、店名を選択すると、当該ドキュメントデータを表示することができる。

ここで、図６に戻り、ステップＳ２０６では、制御部１３が、ドキュメント解析手段１３０２により、第１単語リストにある単語のレコードだけの、再構成した逆引きインデックス１５３２を生成する。ここでは、すでに上述のステップＳ２０２において、初期状態の逆引きインデックス１５３１からキーワードと同一の単語のレコードが特定されて、更に、特定したレコードの各ドキュメントＩＤを基に、同一の各ドキュメントＩＤを持つ他のレコードが抽出されている。そこで、抽出したレコード群からなる、再構成した逆引きインデックス１５３２を生成する。すなわち、再構成した逆引きインデックス１５３２は、初期状態の逆引きインデックス１５３１がキーワードにより絞り込まれた状態である。なお、再構成した逆引きインデックス１５３２は、初期状態の逆引きインデックス１５３１と同様に、単語及び複数のドキュメントＩＤの欄を持つ（図１０参照）。

再び、図６に戻り、ステップＳ２０７：ＹＥＳの場合、ユーザが、ユーザ端末２０の入力部２１により、表示部２４に表示した第１検索結果リストの中から一つを選択する。そして、制御部２３が、送受信部２２を介して、選択を示すデータ送信要求をリンク先の装置に送信する。このことにより、リンク先のドキュメントを記憶している装置が、当該要求のあったドキュメントデータをユーザ端末２０に送信する。ここで、ユーザ端末２０がドキュメントデータを受信し、ユーザが選択したドキュメントが表示部２４により表示される（ステップＳ２０８）。

又、ステップＳ２０７：ＮＯの場合、ユーザが、ユーザ端末２０の入力部２１により、表示部２４に表示した第１単語リストの中から単語を一つ選択する。なお、ここでは、すでにキーワードで検索した結果の状態であるので、ユーザが、単語を選択するということは、絞り込み検索を行うということである。そして、制御部２３が、送受信部２２を介して、単語の選択を示すデータを、情報検索装置１０に送信する（ステップＳ２０９）。

次に、ステップＳ２１０では、情報検索装置１０の制御部１３が、送受信部１２を介して、単語の選択を示すデータを受信する。そして、単語リスト作成手段１３０３により、再構成した逆引きインデックス１５３２において、ユーザが選択した単語のレコードを特定する。更に、特定したレコードに関連付けられた各ドキュメントＩＤを基に、同一の各ドキュメントＩＤを持つ他のレコードを抽出する。ここで、制御部１３が、抽出したレコード群の単語をリストにして第２単語リストを生成する。なお、このステップＳ２１０は上述のステップＳ２０２と同様であるが、再構成した逆引きインデックス１５３２から単語リストが生成される。すなわち、キーワードを基に生成した第１単語リストが、ユーザが選択した単語により絞り込まれ、第２単語リストが生成される。

次に、ステップＳ２１１では、制御部１３が、検索結果リスト作成手段１３０４により、第１検索結果リストのドキュメントデータに対して、第１単語リストでユーザが選択した単語を用いて、ドキュメントテーブル１５３０からドキュメントデータを抽出する。そして、抽出したドキュメントデータ群をリストにして第２検索結果リストを生成する。

次に、ステップＳ２１２では、制御部１３が、送受信部１２を介して、第２単語リストと第２検索結果リストとのデータをユーザ端末２０に送信する。

次に、ステップＳ２１３では、ユーザ端末２０の制御部２３が、送受信部２２を介して、第２単語リストと第２検索結果リストのデータを受信する。そして、第２単語リストと第２検索結果リストを表示部２４により表示する。

次に、ステップＳ２１４では、制御部１３が、第２単語リストにある単語のレコードだけの、再構成した逆引きインデックス１５３２に更新する。すなわち、ここで更新される再構成した逆引きインデックス１５３２は、初期状態の逆引きインデックス１５３１がキーワードにより絞り込まれて、更に、第１単語リストでユーザが選択した単語により絞り込まれた状態である。なお、再構成した逆引きインデックス１５３２は、ユーザが絞り込み検索を終了するまで、レコードが絞り込まれる。ここで、第２単語リスト及び第２検索結果リストの具体的な例について、図１１に基づき説明する。

図１１は、本発明の好適な実施形態の一例に係る第２単語リスト及び第２検索結果リストを示す図である。

図１１において、第２単語リスト（ｅ）と第２検索結果リスト（ｆ）が、ユーザ端末２０の表示部２４に表示されている。更に、表示部２４には、「キーワード：ラーメン屋」の検索結果に、更に「単語：ゴマ」で絞り込み検索したことが表示されている（ｄ）。ここで、第２単語リスト（ｅ）は、再構成した逆引きインデックス１５３２から「単語：ゴマ」のレコードに関連付けられた各ドキュメントＩＤを基に、同一の各ドキュメントＩＤを持つ他のレコードの単語を抽出し、表示している。

又、第２検索結果リスト（ｆ）は、ドキュメントテーブル１５３０から、「キーワード：ラーメン屋」で検索した第１検索結果リストのドキュメントデータに対して、「単語：ゴマ」を用いて絞り込み検索をしている。そして、抽出したドキュメントデータ群から第２検索結果リストが生成されている。

次に、ユーザが、第２単語リストから単語を選択する、又は第２検索結果リストからリンクを選択する。このことにより上述の図６のステップＳ２１０乃至ステップＳ２１４の処理が繰り返される。このようにして、ユーザは、はじめにキーワードを入力し、以降の絞り込みにおいては単語を選択するだけで検索することができる。又、ドキュメントデータを解析して生成した単語リストにより単語の選択ができるので、ユーザがキーワードを考えることなく求めるドキュメントに辿り着くことができる。ここで、表示する単語リストの具体的な例について、図１２及び図１３に基づき説明する。

図１２は、本発明の好適な実施形態の一例に係るドキュメント数に基づく単語リストを示す図である。

図１２に示すように、単語リストは、単語に関連付けられたドキュメントＩＤの数（ドキュメント数）に応じて、単語を並べて表示してもよい。図１２（ａ）では、逆引きインデックスにおいて、単語にドキュメント数を関連付けて記憶している。このことにより、ユーザ端末２０の表示部２４に表示される単語リスト（ｂ）には、ドキュメント数の多い順に単語を並べることができる。ここでは、単語が、「当店（１１２）」「味噌（９８）」・・・の順に表示されている。なお、括弧内はドキュメント数である。このようにすることにより、ユーザが単語を選択するときに、多くのドキュメントに使われている単語から選ぶことができる。

又、図１２において、単語リストは、単語に関連付けられたドキュメントＩＤの数（ドキュメント数）に閾値を設定して、ドキュメント数が閾値以下の場合は、単語リストに単語を表示しないとしてもよい。図１２では、逆引きインデックスにおいて、ドキュメント数の閾値：１０を設定している。このことにより、ユーザ端末２０の表示部２４に表示される単語リスト（ｂ）には、「素材」「博多」が表示されない。このようにすることにより、ユーザが単語を選ぶ範囲を抑え、ユーザの検索を大きな範囲から徐々に絞り込ませることができる。なお、最後のドキュメントデータに至るまで、閾値は、単語が絞り込まれるごとに低くするようにしてもよい。

図１３は、本発明の好適な実施形態の一例に係る閲覧頻度に基づく単語リストを示す図である。

図１３に示すように、単語リストは、単語に関連付けられたドキュメントが閲覧された頻度（閲覧頻度）を基に、単語を並べて表示してもよい。図１３（ａ）では、逆引きインデックスにおいて、単語に閲覧頻度を関連付けて記憶している。このことにより、ユーザ端末２０の表示部２４に表示される単語リスト（ｂ）には、閲覧頻度の高い順に単語が並べることができる。ここでは、単語が、「あっさり（８９）」「スープ（８０）」「博多（３）」・・・の順に表示されている。なお、括弧内はドキュメント数である。このようにすることにより、ユーザが単語を選ぶときに、より閲覧頻度の高いドキュメントを選択することができる。又、ある一定数以上の閲覧頻度を持つ単語は、文字を大きく表示して目立たせてもよい。ここでは、閲覧頻度：１００以上の単語である「あっさり（８９）」「スープ（８０）」について、他の単語よりも大きな文字で表示している。こうすることで、ユーザが単語を選択するときの見易さを加えることができる。

［情報検索装置のハードウェア構成］
図１４は、本発明の好適な実施形態の一例に係る情報検索装置１０、及びユーザ端末２０のハードウェア構成を示す図である。以下、情報検索装置１０を例にして説明するが、ユーザ端末２０についても基本的には同様である。

情報検索装置は、制御装置１３０を構成するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１３１（マルチプロセッサ構成ではＣＰＵ１３２など複数のＣＰＵが追加されてもよい）、バスライン１０５、通信Ｉ／Ｆ（Ｉ／Ｆ：インターフェイス）１２０、メインメモリ１７０、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）１８０、ＵＳＢポート１９０、Ｉ／Ｏコントローラ１６０、キーボード及びマウスなどの入力装置１１０、並びに表示装置１４０を備える。

Ｉ／Ｏコントローラ１６０には、テープドライブ１５１、ハードディスク１５３、光ディスクドライブ１５２、及び半導体メモリ１５４などの記憶装置１５０を接続することができる。

ＢＩＯＳ１８０は、情報検索装置の起動時にＣＰＵ１３１が実行するブートプログラムや、サーバのハードウェアに依存するプログラムなどを格納する。

ハードディスク１５３は、情報検索装置として機能するための各種プログラム及び本発明の機能を実行するプログラムを記憶する。

光ディスクドライブ１５２としては、例えば、ＤＶＤ−ＲＯＭドライブ、ＣＤ−ＲＯＭドライブ、ＤＶＤ−ＲＡＭドライブ、ＣＤ−ＲＡＭドライブを使用することができる。この場合は各ドライブに対応した光ディスク１５２１を使用する。光ディスク１５２１から光ディスクドライブ１５２によりプログラム又はデータを読み取り、Ｉ／Ｏコントローラ１６０を介してメインメモリ１７０又はハードディスク１５３に提供することもできる。又、同様にテープドライブ１５１に対応したテープメディア１５１１を主としてバックアップのために使用することもできる。

情報検索装置に提供されるプログラムは、ハードディスク１５３、光ディスク１５２１、又はメモリーカードなどの記録媒体に格納されて提供される。このプログラムは、Ｉ／Ｏコントローラ１６０を介して、記録媒体から読み出され、又は通信Ｉ／Ｆ１２０を介してダウンロードされることによって、サーバにインストールされ実行されてもよい。

上述のプログラムは、内部又は外部の記憶媒体に格納されてもよい。ここで、記憶媒体としては、ハードディスク１５３、光ディスク１５２１、又はメモリーカードの他に、ＭＤなどの光磁気記録媒体、テープメディア１５１１を用いることができる。又、専用通信回線やインターネットなどの通信回線に接続されたサーバシステムに設けたハードディスク１５３又は光ディスクライブラリなどの記憶装置を記録媒体として使用し、通信ネットワーク３０を介してプログラムをサーバに提供してもよい。

ここで、表示装置１４０は、ユーザによるデータの入力を受け付ける画面を表示したり、サーバによる演算処理結果の画面を表示したりするものであり、ブラウン管表示装置（ＣＲＴ）、液晶表示装置（ＬＣＤ）などのディスプレイ装置を含む。

ここで、入力装置１１０は、ユーザによる入力の受け付けを行うものであり、キーボード及びマウスなどにより構成してよい。

又、通信Ｉ／Ｆ１２０は、情報検索装置を専用ネットワーク又は公共ネットワークを介して端末と接続できるようにするためのネットワーク・アダプタである。通信Ｉ／Ｆ１２０は、モデム、ケーブル・モデム及びイーサネット（登録商標）・アダプタを含んでよい。なお、ユーザ端末２０は、情報検索装置と同様の構成を備えてよいが、端末として必要最小限のハードウェア構成としてよいのはいうまでもない。

以上の例は、情報検索装置のハードウェア構成について主に説明したが、コンピュータに、プログラムをインストールして、そのコンピュータを情報検索装置として動作させることにより上記で説明した機能を実現することもできる。従って、本発明において一実施形態として説明した情報検索装置により実現される機能は、上述の方法を当該コンピュータにより実行することにより、あるいは、上述のプログラムを当該コンピュータに導入して実行することによっても実現可能である。

以上、本発明の実施形態について説明したが、本発明は上述した実施形態に限るものではない。又、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施例に記載されたものに限定されるものではない。

本発明の好適な実施形態の一例に係るシステム１の全体構成を示す図である。 本発明の好適な実施形態の一例に係るユーザ端末２０及び情報検索装置１０の機能ブロック図である。 本発明の好適な実施形態の一例に係る初期状態の逆引きインデックス生成処理のフローチャートである。 本発明の好適な実施形態の一例に係るドキュメントテーブル１５３０を示す図である。 本発明の好適な実施形態の一例に係る初期状態の逆引きインデックス１５３１を示す図である。 本発明の好適な実施形態の一例に係る絞り込み検索処理のシーケンス図である。 本発明の好適な実施形態に係る初期状態の逆引きインデックス１５３１生成処理の概要を示す図である。 本発明の好適な実施形態に係る図７に示す初期状態の逆引きインデックス１５３１からの単語リスト生成処理の概要を示す図である。 本発明の好適な実施形態の一例に係る第１単語リスト及び第１検索結果リストを示す図である。 本発明の好適な実施形態の一例に係る再構成した逆引きインデックス１５３２を示す図である。 本発明の好適な実施形態の一例に係る第２単語リスト及び第２検索結果リストを示す図である。 本発明の好適な実施形態の一例に係るドキュメント数に基づく単語リストを示す図である。 本発明の好適な実施形態の一例に係る閲覧頻度に基づく単語リストを示す図である。 本発明の好適な実施形態の一例に係る情報検索装置１０、及びユーザ端末２０のハードウェア構成を示す図である。

符号の説明

１ システム
１０ 情報検索装置
２０、２０ａ、２０ｂ、２０ｃ、２０ｄ ユーザ端末
３０ 通信ネットワーク
１２ 送受信部
１３ 制御部
１５ 記憶部
１３０１ ドキュメント収集手段
１３０２ ドキュメント解析手段
１３０３ 単語リスト作成手段
１３０４ 検索結果リスト作成手段
１５３０ ドキュメントテーブル
１５３１ 初期状態の逆引きインデックス
１５３２ 再構成した逆引きインデックス

Claims (8)

1. ドキュメントを絞り込み検索するための情報検索装置であって、
   前記ドキュメントに含まれる文章を形態素解析することによって単語を抽出して前記ドキュメントと関連付けて初期状態の逆引きインデックスを作成するドキュメント解析手段と、
   前記初期状態の前記逆引きインデックスを用いて前記抽出された単語ごとに該単語を含むドキュメントを関連付けた単語リストを作成する単語リスト作成手段と、
   前記単語リストをユーザ端末に表示する手段と、
   （ａ）前記単語リストからユーザに単語を選択させる手段と、
   （ｂ）前記ドキュメント解析手段を用いて前記初期状態の逆引きインデックスから前記選択された単語を含むドキュメントの部分集合から再構成した逆引きインデックスを作成する手段と、
   （ｃ）前記再構成した逆引きインデックスを用いて前記単語リストを再生成し、前記ユーザ端末に再表示する手段と、
   前記（ａ）から（ｃ）を繰り返す手段と、
   を備えた情報検索装置。
2. 前記ドキュメント解析手段は、前記ユーザによって選択されたカテゴリーに分類されたドキュメントを対象とし、前記抽出された単語と前記ドキュメントの識別子とを関連付ける、請求項１に記載の情報検索装置。
3. 前記抽出する手段は、前記形態素解析した単語から更にＴＦＩＤＦ法を用いて前記ドキュメントを特徴づける単語を抽出する、請求項１乃至２のいずれかに記載の情報検索装置。
4. 前記表示する手段及び前記再表示する手段は、前記抽出された単語を含むドキュメント数の多い順序に表示する、請求項１乃至３のいずれか一項に記載の情報検索装置。
5. 前記表示する手段及び再表示する手段は、所定の閾値以上のドキュメント数のドキュメントのみを表示する、請求項１乃至４のいずれか一項に記載の情報検索装置。
6. 前記表示する手段及び再表示する手段は、閲覧頻度の高い順にドキュメントを表示する、請求項１乃至５のいずれか一項に記載の情報検索装置。
7. ドキュメントを絞り込み検索するための方法であって、
   前記ドキュメントに含まれる文章を形態素解析することによって単語を抽出して前記ドキュメントと関連付けて初期状態の逆引きインデックスを作成するドキュメント解析ステップと、
   前記初期状態の前記逆引きインデックスを用いて前記抽出された単語ごとに該単語を含むドキュメントを関連付けた単語リストを作成する単語リスト作成ステップと、
   前記単語リストをユーザ端末に表示するステップと、
   （ａ）前記単語リストからユーザに単語を選択させるステップと、
   （ｂ）前記ドキュメント解析ステップを用いて前記初期状態の逆引きインデックスから前記選択された単語を含むドキュメントの部分集合から再構成した逆引きインデックスを作成するステップと、
   （ｃ）前記再構成した逆引きインデックスを用いて前記単語リストを再生成し、前記ユーザ端末に再表示するステップと、
   前記（ａ）から（ｃ）のステップを繰り返す方法。
8. ドキュメントを絞り込み検索するためのコンピュータ・プログラムであって、
   コンピュータに
   前記ドキュメントに含まれる文章を形態素解析することによって単語を抽出して前記ドキュメントと関連付けて初期状態の逆引きインデックスを作成するドキュメント解析ステップと、
   前記初期状態の前記逆引きインデックスを用いて前記抽出された単語ごとに該単語を含むドキュメントを関連付けた単語リストを作成する単語リスト作成ステップと、
   前記単語リストをユーザ端末に表示するステップと、
   （ａ）前記単語リストからユーザに単語を選択させるステップと、
   （ｂ）前記ドキュメント解析ステップを用いて前記初期状態の逆引きインデックスから前記選択された単語を含むドキュメントの部分集合から再構成した逆引きインデックスを作成するステップと、
   （ｃ）前記再構成した逆引きインデックスを用いて前記単語リストを再生成し、前記ユーザ端末に再表示するステップと、
   前記（ａ）から（ｃ）のステップを繰り返し実行させるステップ、とを備えたことを特徴とするコンピュータ・プログラム。

Images